基于Hebb规则的分布神经网络学习算法

随着知识发现与数据挖掘领域数据量的不断增加,为了处理大规模数据,scaling up学习成为KDD的热点研究领域.文中提出了基于Hebb规则的分布式神经网络学习算法实现scaling up学习.为了提高学习速度,完整数据集被分割成不相交的子集并由独立的子神经网络来学习;通过对算法完整性及竞争Hebb学习的风险界的分析,采用增长和修剪策略避免分割学习降低算法的学习精度.对该算法的测试实验首先采用基准测试数据circlein-the-square测试了其学习能力,并与SVM,ARTMAP和BP神经网络进行比较;然后采用UCI中的数据集USCensus1990测试其对大规模数据的学习性能.     

部分向量奇偶位切分的LFSR重新播种方法

提出一种基于部分测试向量奇偶位切分的LFSR重新播种测试方法.针对确定测试集中各个测试向量包含确定位的位数有较大差异以及测试向量所含的确定位大多连续成块的特点,通过奇偶切分部分确定位较多的向量,使得编码压缩的LFSR度数得到有效降低,从而提高了测试数据压缩率.其解压缩电路仍然采用单个LFSR进行解码与切分向量的合并.与目前国际同类编码压缩方法相比,具有测试数据压缩率高、解压硬件开销低、测试数据传输协议简单等特点.     

求解TSP的交配算子设计策略

旅行商问题(TSP)是一类典型的NP完全问题,遗传算法(GA)是求解这类问题的常用方法之一.由于该问题的解是一种特殊的序列,一些典型的GA交配方法在求解该问题时的性能并不理想.通过多次对比两种常用的GA交配方法与3种专门为TSP作优化的交配方法,总结了一种对旅行商问题的交配算子的设计策略,即注重对双亲的边继承以及加入适当的贪心控制策略.通过对Gr17、Oliver30、Eil51、Eil76和Krob100等测试数据进行实验,证明了在该策略的指导下改进的两种交配算子具有更好的表现.     

卓越超前:新一代热式风速仪KA22/31升级版KA23/33全新上市

伴随科技的日益发展,微电子、医药、精密机械、特种加工等高新技术都不约而同地进行了技术革新,尤其对自身测试方法及测试手段更是提出了严格而又全新的要求。Kanomax公司作为全球知名的环境测试仪器的领航者,始终秉承向极限量测试为目标,为用户提供新颖测试技术和高性能、高精度的测试仪器为己任,不断开拓创新,时值国家大力倡导低碳节能     

测试数据质量保证的系统思想方法

本针对目前的计量保证方法在靶场质量体系中存在的问题，提出了测试数据质量保证的思路，并采用系统思想和方法对其进行了分析与研究。结果表明，测试数据质量保证有效地提高了测试与试验结果的置信水平。     

下花园矿煤样测试数据的定量解释

文章介绍,对下花园矿煤样测试资料进行了系统的分析研究,并对该矿煤与瓦斯突出问题做了实地考察.对可采煤层作了突出煤层和非突出煤层的分析.     

数字式全自动多功能综合试验台

为保证万能式和塑料外壳式断路器、交流和直流接触器、继电器的机械寿命及其附件特性的试验可靠性、准确性与集成性,开发了多功能综合试验台,可同时对4种不同类型产品进行全自动的测试.采用工业控制计算机经ISA总线进行控制,按照预先设置的方式进行试验,并对各种特性的测试状态进行实时监控,试验台可实现对不同类型产品的多工位同时运行.具有测试数据准确、功能齐全、电源选择灵活、硬件线路控制可靠等优点.     

新反卷积算法在试井分析中的应用

针对一般反卷积算法存在的应用难问题,推出采用一种基于非线性优化的新反卷积算法,它允许输入数据存在较大误差。应用新反卷积算法进行油井试井解释,结果表明,能够延长关井段的探测半径,帮助诊断外边界的存在。     

门尼粘度仪信息集成系统的设计及应用

本文设计的信息集成系统,能够自动获取门尼仪输出的测试数据,并对数据进行分析、提取,构建信息管理平台。主要介绍了该系统的硬件、软件设计原理和方法。使用该设备解决了现有橡胶测试设备的弊端,节约成本,提高了数据采集的实时性和准确性。